收集資料

當您安裝及設定SaaS型Adobe Commerce功能(例如產品Recommendations或即時搜尋)時，模組會將行為資料收集部署至您的店面。 此機制會從購物者收集匿名化的行為資料，並提供產品建議和即時搜尋結果。 例如，view事件是用來計算Viewed this, viewed that建議型別，place-order事件是用來計算Bought this, bought that建議型別。

資料型別和事件

產品Recommendations中使用的資料型別有兩種：

安裝magento/product-recommendations模組時，Adobe Sensei會彙總行為和目錄資料，並為每種建議型別建立產品Recommendations。 產品Recommendations服務接著會以包含建議產品​ 專案 ​的Widget形式，將這些建議部署至您的店面。

有些建議型別會使用購物者的行為資料來訓練機器學習模型，以建立個人化建議。 其他建議型別僅使用目錄資料，不使用任何行為資料。 如果您想要在您的網站上快速開始使用產品Recommendations，則可以使用以下僅限目錄的建議型別：

冷啟動

您何時可以開始使用使用使用行為資料的建議型別？ 視情況而定。 這稱為​ 冷啟動 ​問題。

Cold Start ​問題是指模型訓練及生效所需的時間。 對於產品建議，這表示在網站上部署建議單位之前，請等待Adobe Sensei收集足夠的資料以訓練其機器學習模型。 模型擁有的資料越多，建議就越準確和有用。 由於資料收集會在即時網站上進行，因此最好透過安裝和設定magento/production-recommendations模組來提前開始此程式。

下錶針對收集每種建議型別的足夠資料所需時間提供一些一般指引：

其他可能影響訓練所需時間的變數：

為了協助您視覺化每個建議型別的訓練進度，建立建議頁面會顯示準備程度指標。

當您的即時網站上正在收集資料且機器學習模型正在進行訓練時，您可以完成設定建議所需的其他測試和設定工作。 當您完成此工作時，模型將擁有足夠的資料來建立有用的建議，可讓您將其部署到店面。

如果您的網站未針對大部分產品SKU取得足夠的流量（檢視、購買、趨勢），則可能沒有足夠的資料來完成學習程式。 這可能會讓管理員中的整備程度指標看起來卡住。 整備程度指標旨在為商家提供另一個資料點，以便選擇哪種推薦型別更適合他們的商店。 數字是參考指標，可能永遠無法達到100%。 進一步瞭解整備指標。

備份建議 backuprecs

如果輸入資料不足以在一個單位中提供所有請求的建議專案，Adobe Commerce會提供備份建議以填入建議單位。 例如，如果您將Recommended for you建議型別部署至首頁，則您網站上的首次購物者未產生足夠的行為資料，因此無法精確建議個人化產品。 在此情況下，Adobe Commerce會根據Most viewed建議型別向此購物者顯示專案。

在輸入資料收集不足的情況下，下列建議型別會遞補為Most viewed建議型別：

活動

Adobe Commerce店面事件收集器會列出所有部署到店面的事件。 但是，從該清單中，會有產品Recommendations專屬的事件子集。 當購物者與店面的推薦單位互動時，這些活動會收集資料，並支援用於協助您分析建議執行效果的量度。

必要的儀表板事件

需要下列事件才能填入Product Recommendations 儀表板

以下事件並非產品Recommendations所特有，但Adobe Sensei必須具備，才能正確解譯購物者資料：

建議型別

此表格說明每種建議型別所使用的事件。

警告